基于分位数趋势滤波的空气质量数据基线漂移估计
统计方法学
2019-04-26 v1 应用统计
统计计算
摘要
我们解决了在时间序列数据中估计平滑变化的基线趋势的问题。该问题出现在广泛的领域中，包括化学、宏观经济学和医学；然而，我们的研究由低成本空气质量传感器数据的分析所推动。我们的方法扩展了分位数趋势滤波框架，以能够同时估计多个分位数趋势，同时确保分位数不交叉。为了处理由非常长的时间序列带来的计算挑战，我们提出了一种可并行化的矩交替方向法（ADMM）算法。ADMM 算法能够以分段方式估计趋势，既减少了计算时间，又将方法的适用极限扩展到更大的数据规模。我们还解决了平滑参数选择问题，并提出了基于扩展贝叶斯信息准则的修正准则。通过模拟研究以及我们对低成本空气质量传感器数据的动机应用，我们证明了我们的模型比现有方法提供了更好的分位数趋势估计，并改进了低成本空气质量传感器输出的信号分类。
引用
@article{arxiv.1904.10582,
title = {Baseline Drift Estimation for Air Quality Data Using Quantile Trend Filtering},
author = {Halley L. Brantley and Joseph Guinness and Eric C. Chi},
journal= {arXiv preprint arXiv:1904.10582},
year = {2019}
}